Relato de Gamificação da disciplina Projeto e Análise de Algoritmos do curso de Engenharia de Computação
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Ministrar aulas expositivas no ensino tradicional, que enfatiza o poder do professor sobre o estudante, é um relacionamento mestre-aprendiz poderoso, mas quando o objetivo é o pensamento crítico ou a resolução de problemas, tanto professores quanto alunos devem modificar seus papéis e responsabilidades tradicionais. Uma das várias competências de um egresso de Engenharia de Computação é a capacidade de resolução de problemas estimulada com a produção de programas executáveis corretos e com boas práticas de programação obtidas na disciplina de Projeto e Análise de Algoritmos. Porém, a disciplina é considerada uma das mais difíceis e seu conteúdo possui uma complexidade de análise diferenciada. O uso de Gamificação busca intensificar e incentivar o engajamento dos discentes na disciplina, sendo que a escolha de uma boa dinâmica, mecânica e componentes do jogo a ser escolhido é de fundamental importância. Neste artigo é feito um relato da experiência da gamificação da disciplina Projeto e Análise de Algoritmos da Universidade XYZ.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it